Ausgangslage

Die SBB misst mit HFO-Systemen (Heissläufer- und Festbremsortung) die Lager- und Radtemperaturen vorbeifahrender Züge auf offener Strecke. Festbremser oder zu heisse Radlager schädigen das Rollmaterial und können zu Achs- oder Radbruch und damit zur Entgleisung führen. Überschreiten die Temperaturen die definierten Grenzwerte, wird ein Alarm ausgelöst. Auf Streckenabschnitten, auf denen ein Zug nicht kurzfristig angehalten werden kann, etwa im Gotthard-Basistunnel, kommt dieser Alarm unter Umständen zu spät für einen optimalen betrieblichen Eingriff. Eine frühere Erkennung ermöglicht es, gefährdete Züge bereits vor kritischen Abschnitten aus dem Verkehr zu nehmen und Streckenblockaden zu vermeiden.

Beispiel eines starken Heisslaeuffers scaled

Projektübersicht

Kunde
SBB

Bereich
Data & High Performance

Lösung
Festbremser früh aus Messdaten erkennen.

Systemumfeld
Zugkontrolleinrichtung (ZKE), HFO-Systeme (Heissläufer- und Festbremsortung), historische Messdatenbank der SBB

Art
Studie

Der Beitrag von SCS

Dafür kombinierte SCS die historischen HFO-Messdaten mehrerer Kontrollstellen und entwickelte ein Modell, das die Temperaturentwicklung achsweise bewertet und daraus das Risiko eines bevorstehenden Festbremser-Alarms ableitet.

Ergebnis

Die Studie zeigte, dass sich drohende Festbremser anhand aufeinanderfolgender HFO-Messungen bereits vor einer Grenzwertüberschreitung erkennen lassen. Damit könnten betroffene Züge vor kritischen Streckenabschnitten aus dem Verkehr genommen werden, bevor sie den nachfolgenden Betrieb beeinträchtigen.

1 : 1’000’000

angestrebte maximale Fehlalarmrate pro analysierter Achse.

1 Kontrollstelle voraus

Prognose eines möglichen Alarms an der nächsten HFO-Kontrollstelle.

Eingesetzte Leistungen

Algorithmik, ML & AI

Data & High Performance

Der glatzköpfige Mann im weißen Hemd, der in die Kamera lächelt, steht für das freundliche SCS-Team.

Ihre Ansprechperson

Pascal Iselin

Algorithms, Analytics & AI
+41 43 456 16 00

Für Fragen zu Machine Learning, Datenanalyse und der Früherkennung kritischer Systemzustände.

Weitere Case Studies

  • RLC Thun 2008 fgb Medien 2

    SBB

    Erkennung Radfehler mit smarter Algorithmik

    Radschäden aus Checkpoint-Messdaten erkennen.

  • Ein weiß-roter Hochgeschwindigkeitszug gleitet unter blauem Himmel umweltfreundlich durch die grüne Landschaft.

    SBB

    Vertrauensvolle KI für den Messradsatz

    Nachvollziehbare KI zur Kraftmessung an Rad und Schiene.